將數據框中的兩個向量與 %in% 與 R 進行比較

Question

將數據框中的兩個向量與 %in% 進行比較

我有以下數據

T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )

Col1	Col2
一個	a,b,c
b	aa,c,d
啊	c,d,e
d	d,f,g

我想從這個向量c（“a”，“e”，“g”）中選擇包含一個字符的行，指定columna

library(dplyr)

T1 %>% filter(Col1 %in% c("a", "e", "g"))

我回來了

1 aa,b,c

這是正確的，但如果我想比較兩個向量，例如：

使用 unlist 和 strsplit，我將每一行的值轉換為字符向量，並嘗試將其與參考向量進行比較以選擇包含任何值的行：

unlist(strsplit(T1$Col2[1],","))

[1] "a" "b" "c"

T1 %>% filter(unlist(strsplit(Col2,",")) %in% c("a", "e", "g"))

它給了我一個錯誤： filter()中的錯誤：！ 計算..1 = unlist(strsplit(Col2, ",")) %in% c("a", "e", "g")問題。 ✖ 輸入..1的大小必須為 4 或 1，而不是 12。運行]8;;rstudio:run:rlang::last_error()rlang::last_error() ]8;; 查看錯誤發生的位置。

我可以這樣做：

T1[grep(c("a|e|g"), T1$Col2),]

1 aa,b,c

2 b aa,c,d

3 aa c,d,e

4 dd,f,g

但這是錯誤的，第3 aa c,d,e不應該是，因為它不是a ，它是aa

要單獨搜索"a" ，您必須執行以下操作：

T1[grep(c("\\<a\\>"), T1$Col2),]

我認為使用這種形式我最終會犯錯誤，它將給我更多的安全性來比較向量和向量：

T1 %>% filter(unlist(strsplit(Col2,",")) %in% c("a", "e", "g"))

Answer 1

編輯后的答案

您可以將語法\\b用於正則表達式單詞邊界。 該| 用於與類似或操作相鄰的邊界。 您可以使用以下代碼：

T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )
library(dplyr)
library(stringr)
T1 %>% 
  filter(grepl("\\b(a|e|g)\\b", Col2))
#>   Col1  Col2
#> 1    a a,b,c
#> 2   aa c,d,e
#> 3    d d,f,g

^{由reprex 包於 2022-07-16 創建 (v2.0.1)}

注意： \\b用於 R 版本 4.1+，否則使用\b 。

舊答案

它返回所有行，因為您檢查 Col2 中是否存在字符串之一，並且您可以看到在第 3 行中，存在“e”，這是字符串之一，這就是它返回第 4 行的原因。您也可以使用str_detect這個：

library(dplyr)
library(stringr)
T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )
vector <- c("a", "e", "g")
T1 %>%  
  filter(any(str_detect(Col2, paste0(vector, collapse="|"))))
#>   Col1   Col2
#> 1    a  a,b,c
#> 2    b aa,c,d
#> 3   aa  c,d,e
#> 4    d  d,f,g

^{由reprex 包於 2022-07-16 創建 (v2.0.1)}

如果要檢查字符串是否存在，則在兩列中都存在其中之一。 您可以使用以下代碼：

library(dplyr)
library(stringr)
T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )
vector <- c("a", "e", "g")
T1 %>% 
  filter(Reduce(`|`, across(all_of(colnames(T1)), ~str_detect(paste0(vector, collapse="|"), .x))))
#>   Col1  Col2
#> 1    a a,b,c

^{由reprex 包於 2022-07-16 創建 (v2.0.1)}

Answer 2

您可以實現此目的的另一種方法（使用帶有 strsplit 的原始方法）是執行rowwise()並“求和”邏輯測試。

T1 %>% 
  rowwise() %>% 
  filter(sum(unlist(strsplit(Col2,",")) %in% c("a","e","g")) >= 1)